تحلیل استنادی مقالات فصلنامه علمی- پژوهشی اقیانوس شناسی
محل انتشار: دو فصلنامه علم سنجی کاسپین، دوره: 5، شماره: 2
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 206
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CJS-5-2_001
تاریخ نمایه سازی: 24 خرداد 1401
چکیده مقاله:
سابقه و هدف: مجلات علمی به عنوان کانالی معتبر برای انتقال اطلاعات روزآمد و پیوند دهنده بین حوزه های موضوعی علم از طریق استنادات به شمار می روند. هدف از این پژوهش، بررسی وضعیت استنادات مقالات ۲۸ شماره فصلنامه علمی – پژوهشی اقیانوس شناسی است.
مواد و روش ها: در این پژوهش با روش تحلیل استنادی، وضعیت استنادی ۲۹۰ عنوان مقاله فصلنامه اقیانوس شناسی طی سال های ۱۳۹۵-۱۳۸۹ مورد بررسی قرار گرفت. برای تجزیه و تحلیل داده ها از نرم افزار اکسل استفاده شده است.
یافته ها: در ۲۹۰ مقاله منتشر شده، تعداد ۷۵۱۲ استناد صورت گرفته که بیشترین میزان استناد با درصد ۶۶/۹۹ به مجلات و سپس با درصد ۱۸/۹۵ به کتابها اختصاص دارد. میانگین استناد و میزان خود استنادی مولفان به ازای هر مقاله به ترتیب ۲۶/۵۰ و ۴/۶۶% می باشد. سهم مشارکت مردان در تولید مقالات (۷۳/۹۶%) بیشتر از سهم زنان (۲۶/۰۵%) بوده است. پراستنادترین نویسنده فارسی و لاتین، روشن طبری و اسماعیل و پراستنادترین نشریه لاتین Aquaculture Nutrition و نشریه فارسی، اقیانوس شناسی می باشد. سهم مشارکت گروهی نویسندگان در این نشریه ۹۳/۴۵% می باشد. بیشترین میزان نیم عمر به نشریات لاتین با ۱۳ سال و ۷ ماه تعلق دارد.
نتیجه گیری: این نشریه از الگوی مطلوبی در خصوص مشارکت بین نویسندگان و بهره مندی از منابع لاتین برخوردار است ولی بالا بودن نیم عمر منابع مورد استناد بخصوص نشریات لاتین، حاکی از آن است که نشریه باید در خصوص استفاده از منابع روزآمد توسط نویسندگان مقالات، تدابیر مناسبی را اتخاذ نماید.
کلیدواژه ها:
نویسندگان
معصومه دالوند
Expert in library and document center, Iranian National Institute for Oceanographic and Atmospheric Science, Tehran, Iran
همیرا آگاه
Marine Science Department, Iranian National Institute for Oceanographic and Atmospheric Science, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :